摘要
人口老龄化是我国目前面临的重要社会问题.针对跌倒对老年人安全性问题造成的影响,以及现有目标检测模型在人物跌倒时检测精度低、鲁棒性和泛化能力差等问题,对YOLOv8 算法进行优化.引入了一种轻量级且高效的多维协作注意力机制(multidimensional collaborative attention,MCA),在Neck端上采样阶段中的Upsample结构后面以及每个C2F模块后面添加MCA,以捕获局部特征交互,克服性能和计算开销权衡的悖论.优化损失函数,利用Alpha-SIoU损失函数,为边界框提供更准确的位置信息,提高了目标检测效率和模型收敛速度.通过实验结果分析,优化后的模型在多项性能指标上都有显著提高,与传统的YOLOv8 模型相比,检测准确率提高了 4.7%,能够满足现实中不同场景跌倒行为的检测需求.
NETL
NSTL
万方数据